1.簡述
?
? ? ???學習目標： 概率神經(jīng)網(wǎng)絡分類預測? ?基于PNN的變壓器故障診斷
?? ? ? 概率神經(jīng)網(wǎng)絡是由Specht博士在1989年首先提出， ?是一種與統(tǒng)計信號處理的許多概念有著緊密聯(lián)系的并行算法。它實質(zhì)上是一個分類器，根據(jù)概率密度函數(shù)的無參估計進行貝葉斯決策而得到分來結(jié)果。整個網(wǎng)絡屬于徑向型網(wǎng)絡，不需要進行反向誤差傳遞，具備學習速度快、具有很強的容錯性、可以完成任意非線性變換的優(yōu)點，同時由于各層神經(jīng)元的數(shù)目比較固定，因此易于硬件實現(xiàn)。在實際應用中，尤其在解決分類問題中，PNN不僅能用線性學習算法來完成非線性學習算法的工作，用時也能保證非線性算法的高精度等特征，所以被廣泛應用于故障檢測和目標分類識別領域。?概率神經(jīng)網(wǎng)絡通常由4層組成。
第1層為輸入層，這一層負責將特征向量輸入到神經(jīng)網(wǎng)絡中去，輸入層神經(jīng)元的個數(shù)就是樣本特征值的個數(shù)，這一層的作用只是將輸入信號用分步的方式來表示。
?第2層為模式層，它與輸入層之間通過連接權(quán)值相連接。
?第3層為累加求和層，它具有線性求和功能。這一層的神經(jīng)元數(shù)目與欲分的模式數(shù)目相同。
?第4層為累輸出層，具有判決功能，輸出為離散值1和0，分別代表著輸入模式的類別。
建立基于PNN的故障診斷模型
? ? ? ?當變壓器在發(fā)生故障時，具有多種故障運行形態(tài)。因此，能夠及早的發(fā)現(xiàn)并處置故障，防止造成重大人員傷亡和經(jīng)濟損失顯得十分重要。在采集到的狀態(tài)數(shù)據(jù)基礎上，訓練得出合適的故障診斷模型來對其進行分類。
?PNN設計流程圖
?
?
2.代碼
%% 清空環(huán)境變量
clc;
clear all
close all
nntwarn off;
warning off;
%% 數(shù)據(jù)載入
load data
%% 選取訓練數(shù)據(jù)和測試數(shù)據(jù)
Train=data(1:23,:);
Test=data(24:end,:);
p_train=Train(:,1:3)';
t_train=Train(:,4)';
p_test=Test(:,1:3)';
t_test=Test(:,4)';
%% 將期望類別轉(zhuǎn)換為向量
t_train=ind2vec(t_train);
t_train_temp=Train(:,4)';
%% 使用newpnn函數(shù)建立PNN SPREAD選取為1.5
Spread=1.5;
net=newpnn(p_train,t_train,Spread)
%% 訓練數(shù)據(jù)回代 查看網(wǎng)絡的分類效果
%% ?Sim函數(shù)進行網(wǎng)絡預測
Y=sim(net,p_train);
%% ?將網(wǎng)絡輸出向量轉(zhuǎn)換為指針
Yc=vec2ind(Y);
%% 通過作圖 觀察網(wǎng)絡對訓練數(shù)據(jù)分類效果
figure(1)
subplot(1,2,1)
stem(1:length(Yc),Yc,'bo')
hold on
stem(1:length(Yc),t_train_temp,'r*')
title('PNN 網(wǎng)絡訓練后的效果')
xlabel('樣本編號')
ylabel('分類結(jié)果')
set(gca,'Ytick',[1:5])
subplot(1,2,2)
H=Yc-t_train_temp;
stem(H)
title('PNN 網(wǎng)絡訓練后的誤差圖')
xlabel('樣本編號')
%% 網(wǎng)絡預測未知數(shù)據(jù)效果
Y2=sim(net,p_test);
Y2c=vec2ind(Y2)
figure(2)
stem(1:length(Y2c),Y2c,'b^')
hold on
stem(1:length(Y2c),t_test,'r*')
title('PNN 網(wǎng)絡的預測效果')
xlabel('預測樣本編號')
ylabel('分類結(jié)果')
set(gca,'Ytick',[1:5])
?
3.運行結(jié)果
?
?
文章來源：http://www.zghlxwxcb.cn/news/detail-491915.html
?
文章來源地址http://www.zghlxwxcb.cn/news/detail-491915.html
到了這里，關(guān)于26.利用概率神經(jīng)網(wǎng)絡分類 預測基于PNN的變壓器故障診斷（附matlab程序）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
